R语言循环优化：计算各年份筛选后数据框行数并汇总至单一数据框

当然可以！其实你没必要先创建一堆独立的数据框再统计行数——我们可以直接一步到位生成你需要的SampleSize数据框，甚至有比循环更简洁的方法。下面给你几种实用方案：

方法1：修改原循环直接统计（保留创建独立数据框的需求） #

如果你确实需要保留SampleSizeGaza81到SampleSizeGaza91这些单独的数据框，同时生成统计结果，可以这样修改循环：

# 先初始化空的结果数据框
SampleSize <- data.frame(year = integer(), YearSampleSize = integer())

for(i in 81:91) {
  # 筛选当前年份的数据并赋值给对应变量
  current_df <- GazaTB1[GazaTB1$year == i, ]
  assign(paste0("SampleSizeGaza", i), current_df)
  
  # 计算行数并添加到SampleSize中
  SampleSize <- rbind(SampleSize, data.frame(year = i, YearSampleSize = nrow(current_df)))
}

方法2：跳过独立数据框，用基础R直接统计（更高效） #

如果不需要那些单独的数据框，完全可以跳过assign步骤，直接在循环里统计行数：

SampleSize <- data.frame(year = 81:91, YearSampleSize = NA_integer_)

for(i in seq_along(81:91)) {
  target_year <- 81:91[i]
  SampleSize$YearSampleSize[i] <- nrow(GazaTB1[GazaTB1$year == target_year, ])
}

方法3：用tapply实现无循环的基础R方案 #

用基础R的tapply函数可以更简洁地完成分组统计，不需要写循环：

# 按year分组统计每组的行数（即样本量）
sample_counts <- tapply(GazaTB1$year, GazaTB1$year, length)

# 提取81-91年的结果并整理成数据框
SampleSize <- data.frame(
  year = 81:91,
  YearSampleSize = sample_counts[as.character(81:91)]
)

方法4：用dplyr实现更直观的tidy风格统计 #

如果你熟悉tidyverse生态，用dplyr的代码可读性会更高：

library(dplyr)

SampleSize <- GazaTB1 %>%
  filter(year %in% 81:91) %>%  # 筛选目标年份范围
  count(year, name = "YearSampleSize")  # 按年份计数，并重命名计数列为需求的名称

小提示 #

尽量避免用assign创建大量独立的数据框，这会让你的工作区变得混乱，后续操作也会更麻烦。直接通过分组统计生成统一的结果数据框，无论是查看还是后续分析都会更方便。

内容的提问来源于stack exchange，提问作者Coco Garazzo